ICRA

Perceive What Matters: Relevance-Driven Scheduling for Multimodal Streaming Perception

感知关键内容：基于相关性的多模态流式感知调度

Dingcheng Huang, Xiaotong Zhang, Kamal Youcef-Toumi

机构 * Mechatronics Research Laboratory, Massachusetts Institute of Technology（机械系统实验室，麻省理工学院） 纠错

AI总结 本文提出一种基于相关性的轻量级多模态流式感知调度框架，通过利用前一帧输出估计并调度必要的感知模块，有效减少计算延迟并提升识别召回率。

Comments Accepted to ICRA 2026

SldprtNet: A Large-Scale Multimodal Dataset for CAD Generation in Language-Driven 3D Design

SldprtNet：一个大规模多模态数据集，用于语言驱动的3D设计CAD生成

Ruogu Li, Sikai Li, Yao Mu, Mingyu Ding

机构 * University of North Carolina at Chapel Hill（北卡罗来纳大学教堂山分校） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 本文提出SldprtNet数据集，用于语义驱动的CAD建模、几何深度学习和多模态模型训练，包含242,000个工业零件，提供多种3D模型格式，并结合图像与文本生成自然语言描述。

Comments Accept by ICRA 2026

Motion-Specific Battery Health Assessment for Quadrotors Using High-Fidelity Battery Models

四旋翼运动特定电池健康评估的高保真电池模型

Joonhee Kim, Sanghyun Park, Donghyeong Kim, Eunseon Choi, Soohee Han

机构 * Department of Convergence IT Engineering, Pohang University of Science and Technology（convergence IT工程系，釜山科学技术大学） ； Department of Electrical Engineering, Pohang University of Science and Technology（电气工程系，釜山科学技术大学） 纠错

AI总结 本文提出一种四旋翼运动感知电池健康评估框架，通过高保真电池模型分析不同飞行姿态对电池降解的影响，强调运动感知电池管理的重要性。

Comments 8 pages. Accepted to IEEE International Conference on Robotics and Automation (ICRA) 2026

Conflict Mitigation in Shared Environments using Flow-Aware Multi-Agent Path Finding

利用流量感知的多智能体路径寻找实现共享环境中的冲突缓解

Lukas Heuer, Yufei Zhu, Luigi Palmieri, Andrey Rudenko, Anna Mannucci, Sven Koenig, Martin Magnusson

机构 * Örebro University（奥雷布罗大学） ； Bosch Research（博世研究） ； Technical University of Munich（慕尼黑技术大学） ； University of California, Irvine（加州大学 Irvine 分校） 纠错

AI总结 本文提出FA-MAPF框架，通过整合不可控代理的运动模式提升多智能体路径寻找效率，实验证明可减少55%的冲突且不牺牲任务效率。

Comments To be presented at ICRA 2026

A Photorealistic Dataset and Vision-Based Algorithm for Anomaly Detection During Proximity Operations in Lunar Orbit

面向月球轨道近距操作的逼真数据集和基于视觉的异常检测算法

Selina Leveugle, Chang Won Lee, Svetlana Stolpner, Chris Langley, Paul Grouchy, Steven Waslander, Jonathan Kelly

机构 * Space and Terrestrial Autonomous Robotic Systems (STARS) Laboratory at the University of Toronto Institute for Aerospace Studies (UTIAS)（多伦多大学航空航天研究所（UTIAS）空间与地面自主机器人系统实验室） ； Toronto Robotics and AI Laboratory (TRAIL) at the University of Toronto Institute for Aerospace Studies (UTIAS)（多伦多大学航空航天研究所（UTIAS）多伦多机器人与人工智能实验室） ； MDA Space Inc.（MDA航天公司） 纠错

AI总结 本文提出MRAD算法，通过月球轨道合成数据集ALLO实现空间域异常检测，展现算法在像素和图像层面的高检测性能，推动空间操作中鲁棒的异常检测方法发展。

Comments In IEEE Robotics and Automation Letters (RA-L) and presented at the IEEE International Conference on Robotics and Automation (ICRA'26), 1-5 Jun. 2026, Vienna, Austria

Journal ref IEEE Robotics and Automation Letters (RA-L), Vol. 11, No. 3, pp. 2418 - 2415, Mar. 2026